R语言如何利用训练集极值对测试集正确执行min-max归一化

你对sweep函数的margin参数理解有误：

• 该参数指定统计量（这里是训练集极值向量）对应的操作维度：margin = 1代表按行操作，要求统计量长度和数据集行数一致，会将统计量的每个值对应应用到某一行的所有元素；margin = 2代表按列操作，要求统计量长度和数据集列数一致，会将统计量的每个值对应应用到某一列的所有元素。
• 你当前需要对每一列减去该列对应的训练集最小值，4个最小值刚好对应测试集的4个数值列，应该设置margin = 2。你误设为margin = 1，R会触发向量循环机制，把最小值向量按行循环应用，导致运算逻辑完全错误，得到不符合预期的结果。

方法1：修改sweep参数 #

直接把第二个参数改为2即可，后续归一化可以再除以训练集的极值差：

# 减训练集最小值
first_step <- sweep(iris_test[,1:4], 2, iris_train_mins, FUN = "-")
# 除以训练集最大值与最小值的差，得到最终归一化结果
iris_test_norm <- sweep(first_step, 2, iris_train_maxs - iris_train_mins, FUN = "/")

方法2：用tidyverse风格实现（和训练集处理逻辑统一） #

如果习惯用dplyr的写法，可以直接调用训练集的极值做跨列运算，代码可读性更高：

iris_test_norm <- iris_test %>%
  select(-id) %>%
  mutate(across(where(is.numeric),
                .fns = function(x) (x - min(iris_train[[cur_column()]]))/(max(iris_train[[cur_column()]]) - min(iris_train[[cur_column()]]))))

内容的提问来源于stack exchange，提问作者Alexis